| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 话题检测研究背景和意义 | 第8-9页 |
| 1.1.1 话题检测研究背景 | 第8-9页 |
| 1.1.2 话题检测研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.3 主要研究内容及论文结构 | 第14-15页 |
| 第2章 话题模型 | 第15-23页 |
| 2.1 文本预处理 | 第15-16页 |
| 2.1.1 文本分词 | 第15页 |
| 2.1.2 文本表示 | 第15-16页 |
| 2.2 话题模型技术 | 第16-20页 |
| 2.2.1 LSI 话题模型 | 第17-18页 |
| 2.2.2 pLSI 话题模型 | 第18-19页 |
| 2.2.3 LDA 话题模型 | 第19-20页 |
| 2.3 几种话题模型的比较 | 第20-21页 |
| 2.4 话题检测算法评价 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 文本聚类技术 | 第23-31页 |
| 3.1 文本特征选择 | 第23-26页 |
| 3.1.1 基于文档频率的特征提取法 | 第23-24页 |
| 3.1.2 信息增益法 | 第24页 |
| 3.1.3 互信息法 | 第24-25页 |
| 3.1.4 开方检验 | 第25-26页 |
| 3.2 聚类算法 | 第26-29页 |
| 3.2.1 基于划分的聚类算法 | 第26页 |
| 3.2.2 基于层次的聚类算法 | 第26-27页 |
| 3.2.3 基于网格的聚类算法 | 第27-28页 |
| 3.2.4 基于密度的聚类算法 | 第28-29页 |
| 3.3 几种聚类算法的比较 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于话题模型和文本聚类的话题检测技术 | 第31-41页 |
| 4.1 引言 | 第31页 |
| 4.2 算法总体结构 | 第31-32页 |
| 4.3 文本预处理 | 第32-33页 |
| 4.4 基于 LDA 和层次聚类算法的话题检测算法 | 第33-36页 |
| 4.4.1 主题词的生成 | 第33-35页 |
| 4.4.2 基于互信息的层次聚类算法 | 第35-36页 |
| 4.5 相关微博获取 | 第36-37页 |
| 4.6 算法小结 | 第37-40页 |
| 4.7 本章小结 | 第40-41页 |
| 第5章 话题检测实验结果 | 第41-50页 |
| 5.1 实验环境 | 第41页 |
| 5.2 系统介绍 | 第41-43页 |
| 5.3 实验及结果分析 | 第43-49页 |
| 5.3.1 实验数据及评测方法 | 第43-44页 |
| 5.3.2 测试结果及其分析 | 第44-49页 |
| 5.4 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-57页 |
| 致谢 | 第57页 |